A bibliometric and knowledge-map analysis of antibody-mediated rejection in kidney transplantation
Notice bibliographique
Résumé
OBJECTIVES: Antibody-mediated rejection (AMR) is a large obstacle to the long-term survival of allograft kidneys. It is urgent to find novel strategies for its prevention and treatment. Bibliometric analysis is helpful in understanding the directions of one field. Hence, this study aims to analyze the state and emerging trends of AMR in kidney transplantation. METHODS: Literature on AMR in kidney transplantation from 1999 to 2022 was collected from the Web of Science Core Collection. HistCite (version 12.03.17), CiteSpace (version 6.2.R2), Bibliometrix 4.1.0 Package from R language, and Gephi (https://gephi.org) were applied to the bibliometric analysis of the annual publications, leading countries/regions, core journals, references, keywords, and trend topics. RESULTS: A total of 2522 articles related to AMR in kidney transplantation were included in the analysis and the annual publications increased year by year. There were 10874 authors from 118 institutions located in 70 countries/regions contributing to AMR studies, and the United States took the leading position in both articles and citation scores. Halloran PF from Canada made the most contribution to AMR in kidney transplantation. The top 3 productive journals, American Journal of Transplantation, Transplantation, and Transplantation Proceedings, were associated with transplantation. Moreover, the recent trend topics mainly focused on transplant outcomes, survival, and clinical research. CONCLUSIONS: North American and European countries/regions played central roles in AMR of kidney transplantation. Importantly, the prognosis of AMR is the hotspot in the future. Noninvasive strategies like plasma and urine dd-cfDNA may be the most potential direction in the AMR field.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,163 | 0,165 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».